You are here
Home > Technology > บลูมเบิร์กชี้ กว่าร้อยละ 60 ของตัวแทนภาคการเงินไทยมุ่งใช้แมชชีนเลิร์นนิ่งเพื่อสร้างความได้เปรียบจากข้อมูล

บลูมเบิร์กชี้ กว่าร้อยละ 60 ของตัวแทนภาคการเงินไทยมุ่งใช้แมชชีนเลิร์นนิ่งเพื่อสร้างความได้เปรียบจากข้อมูล

  • Krungsri KMA

การสำรวจความคิดเห็นของบลูมเบิร์กซึ่งจัดทำขึ้นที่งานสัมมนาของบริษัทในหัวข้อ “อนาคตของเทคโนโลยีและการใช้ข้อมูลทางการเงิน – Future of Technology and Data in Finance” ที่จัดขึ้นเป็นครั้งแรกเมื่อเร็วๆ นี้เผยถึงความคิดเห็นของผู้ปฏิบัติงานด้านเทคโนโลยีระดับอาวุโสในภาคการเงินของไทย โดยผลสำรวจระบุว่าผลประโยชน์สูงสุดที่พวกเขาคาดว่าจะได้จากเทคโนโลยีคือการบรรลุถึงความได้เปรียบในการแข่งขันและประสิทธิภาพของการทำธุรกิจ

shutterstock_1052128307-2

ทั้งนี้ประธานเจ้าหน้าบริหารด้านสารสนเทศ ผู้อำนวยการฝ่ายเทคโนโลยีและข้อมูล รวมทั้งผู้ปฏิบัติงานด้านการตลาดในประเทศไทยทั้งหมดมากกว่า 50 คนได้พบปะกับผู้เชี่ยวชาญด้านเทคโนโลยีของบลูมเบิร์กเพื่อพูดคุยเกี่ยวกับวิธีที่บริษัทด้านการเงินสามารถต่อยอดในการใช้ประโยชน์จากข้อมูลและการเรียนรู้ของเครื่อง (machine learning) รวมทั้งการดำเนินงานตามกลยุทธ์ที่ขับเคลื่อนด้วยข้อมูลในยุคออโตเมชั่น

 

“ธุรกิจการเงินกำลังเผชิญกับแรงกดดันด้านต้นทุนที่เพิ่มขึ้นและสถานการณ์ด้านกฎระเบียบที่เข้มงวดมากยิ่งขึ้น จึงจำเป็นต้องใช้เทคโนโลยีใหม่ ๆ และชุดทักษะด้านข้อมูลและกระบวนการวิเคราะห์เพื่อสร้างความได้เปรียบในการแข่งขัน” นายทาราน คีรา หัวหน้าภูมิภาคเอเชียแปซิฟิกกล่าว “ความต้องการที่จะสร้างความได้เปรียบยังช่วยผลักดันให้ธุรกิจการเงินให้ความสนใจเรื่องเทคโนโลยีเพื่อการจัดการข้อมูลที่ดีขึ้น และที่สำคัญกว่านั้นคือการสร้างข้อมูลของตนเองและข้อมูลเชิงลึก”

 

การเพิ่มขึ้นอย่างมหาศาลของจำนวนข้อมูล ความรวดเร็วและความหลากหลายของข้อมูลยังนำไปสู่ประเด็นที่ไม่เคยเกิดขึ้นมาก่อนในด้านการจัดการข้อมูล ทั้งนี้สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (Depa) ระบุว่าธุรกิจข้อมูลขนาดใหญ่ในประเทศไทยน่าจะมีมูลค่าอยู่ที่ 1.77 หมื่นล้านบาทในปี 2562 นับเป็นการเพิ่มขึ้นร้อยละ 16.4 หรือ 1.545 หมื่นล้านบาท จากปี 2561 และเพิ่มขึ้นร้อยละ 13.7 จากปี 2560 โดยธุรกิจการเงินและการธนาคารเป็นผู้ที่ใช้ข้อมูลขนาดใหญ่มากที่สุด

 

นายคีรากล่าวสริมว่า “ความท้าทายที่สำคัญที่สุดสำหรับสถาบันการเงินในทุกวันนี้คือการแยกแยะว่าจะสามารถนำข้อมูลใดมาใช้ประโยชน์ได้ การสร้างความมั่นใจว่าข้อมูลมีคุณภาพสูง สม่ำเสมอ เชื่อมโยงและพร้อมใช้งาน และการแปลความหมายของข้อมูลเหล่านั้นเพื่อประกอบการตัดสินใจที่ดี แมชชีนเลิร์นนิ่งเป็นปัญญาประดิษฐ์ประเภทหนึ่งที่สามารถแปลความหมายของข้อมูลจำนวนมากและไม่เป็นระบบได้อย่างมีประสิทธิภาพ เพื่อสร้างกระบวนการข้อมูลอัตโนมัติและเพิ่มประสิทธิภาพ”

Taran 2
นายทาราน คีรา หัวหน้าภูมิภาคเอเชียแปซิฟิก บลูมเบิร์ก

ธุรกิจในประเทศไทยยังคงอยู่ในระยะเริ่มแรกของการนำแมชชีนเลิร์นนิ่งมาใช้งาน จากการที่กว่าร้อยละ 60 ของผู้ตอบแบบสำรวจในงานสัมมนาระบุว่าพวกเขากำลังหาหนทางในการปรับใช้แมชชีนเลิร์นนิ่งในการทำธุรกิจ

 

เพื่อช่วยให้ตลาดการเงินนำแมชชีนเลิร์นนิ่งมาใช้ บลูมเบิร์กไม่เพียงแต่มีข้อมูลที่มีคุณภาพสูง แตยังมีข้อมูลในรูปแบบที่เป็นมาตรฐานเนื่องจากรูปแบบที่เป็นระบบของข้อมูลช่วยอำนวยความสะดวกในการวิเคราะห์ข้อมูล บลูมเบิร์กยังได้เปิดตัว Bloomberg Enterprise Access Point ซึ่งเป็นแพลตฟอร์มการส่งข้อมูลบนเว็บเพื่อช่วยให้ลูกค้าสำรวจและโต้ตอบกับชุดข้อมูลขนาดใหญ่ด้วยวิธีที่ง่ายต่อการจัดการ กำหนดระบบและวางรูปแบบ

 

บลูมเบิร์กได้ดำเนินการและลงทุนด้านแมชชีนเลิร์นนิ่งมานานกว่าทศวรรษ โดยมีนักเทคโนโลยีกว่า 5,000 คนหรือมากกว่า 1 ใน 4 ของพนักงานของบลูมเบิร์ก รวมถึงนักวิทยาศาสตร์ด้านข้อมูล นักวิจัยเชิงปริมาณ ผู้เชี่ยวชาญด้านแมชชีนเลิร์นนิ่ง วิศวกรซอฟต์แวร์ และนักพัฒนาซอฟต์แวร์ จุดเน้นของพวกเขาคือการสร้างแอปพลิเคชันซอฟต์แวร์และระบบเพื่อให้ได้ข้อมูลลับและข้อมูลเชิงลึกเพื่อให้ลูกค้าสามารถตัดสินใจได้อย่างชาญฉลาดและมีมีข้อมูลมากขึ้นเกี่ยวกับกลยุทธ์ทางธุรกิจและการลงทุน

Leave a Reply

Top